王 強
(泉州紡織服裝職業學院,福建 泉州 362700)
我們通常將直接影響證券價格的不同因素構成的集合設定為ψ,順勢定義二元函數 f( t,ε),t∈T,ξ∈ψ,當中 T={期權生存期}。由此可以清晰判定,任何已經確認的ξ,f(t,ξ),在形成一組時間函數過后,便存在一類隨機化過程,當中f(t,ξ)就是證券價格的核心變動函數,如若證券在t2時刻的價格f(t2,ξ2),會隨著上一時刻t1時的證券價格f(t1,ξ1)波動而產生較大變化回應,就是說隨機過程 f( t,ξ),t∈T,ξ∈ψ,對于不同有限時序 t1 P{f( tn,ξ) ∠fn|f(tn-1,ξn-1) ,f( tn-2,ξn-2) , … f( t1,ξ1)}=P{f( tn,ξ)∠fn|f( tn-1,ξn-1)}, 所以 f( t,ξ),t∈T,ξ∈ψ, 整體上符合Markov規則。 假設隨機變量x的值滿足Ito過程: dx=a( x,t)dt+b( x,t)dz 當中dz屬于一類維納過程,則涉及x與t的函數G(x,t)必然會滿足以下規范條件: 當中(a*δG/δx+δG/δt+b2*1δ2G/2δx2)作為 G的漂移率,( δG/δx)2b2則是 G的方差。 假設股票價格S滿足維納過程要求,就是說: 當中μ,δ為常數,dz能夠很好地適用于維納過程。 如若G=1nS,依照Ito定理得出以下結果: 將以上公式加以離散化處理,便得出 當中ε屬于標準正太分布的隨機抽樣值。同時得出以下結論: 之后便可將( 5) 轉化成 E( △S/S)=( μ-δ2/2)△t,D( △S/S)=δ2△t,進一步說明 第一階段:數據采集及準備。在CNKI數據庫上將選中的407篇文獻,選擇Refworks格式導出文獻,文件名命為download_N.txt,并將文件存放在input文件夾(前期建立三個文件夾并命名,依次input、output、data),建立數據庫。 那么,在[T,t]時間段內股價實質性運動模型便可確定為: 當中t時G值為1n,T時G值為1nST。 1.余波效應。依照以往實踐調查經驗整理判定,涉及股票價格變化可以細化為趨勢和階段兩個類型,尤其在市場環境影響作用下,股票價格S交易方式存在顯著的連續性,對于上一階段各類狀況依賴性也相對較強,而不屬于某類前時刻點的狀況,就是說在[t0,t3]這個時間段中,S會始終遺留某類總體慣性特征,大的趨勢基本穩定(除了某類突發性政治、經濟問題衍生情況下),所以,在[t2,t1],(t0 當中,a可以看作是兩個階段相互作用的系數,具體結果主要由S總體趨勢決定。 2.a系數的精準化認證?,F下我國在開展短期股價預測模型分析事務中,經常使用指標法進行S的運動特征確認,涉及這部分指標法類型主要包括三類:包括映射股價相對高低、投資者心態,和以成交量為核心映射出的市場動力。上述內容透過各類層面進行我國股價市場諸多運作特征生動化描述,為筆者結合物緣理論構筑起科學化指標預測體系,奠定一定的基礎。 長期以來各類投資主體始終將核心注意力,投射在股價將會上升、下降或是維持在正常變動范圍等結果之上,由此,筆者決定暫時設定股價將會上升的區間為正域,將會下降的股價區間設定為負域,而穩定在合理范圍內的波動效果,則視為零界。此時,相關的技術指標和關聯函數則表現為: 第一,心理線(PSY)。其主要利用測定特定時期內投資主體心理、買賣傾向之后,進行市場多空強弱程度評估,具體計算公式如下所示: PSY=(N日中股價上漲天數之和/N)*100(5≤N≤12)其中的判斷準則表現為: PSY值在25以下屬于超賣區域,價格會呈現回落趨勢;PSY值在75以上則視為超買區域,價格相對地會持續上漲;PSY值維持在25~75之間則是正常區域。這部分關聯函數為: 當中,x主要是N日內的PSY數值。 第二,能量潮(OBV)。其具體是利用對成交量的累積和驗證解析,進行今后股價市場多空力道認證評估的一類技術指標。計算公式為: 當Vi等于-ai時,說明第i天股票收盤價格高于第i-1天具體的收盤價;而等于ai,則強調第i天收盤價低于第i-1天的收盤價。關于ai為第i天收盤價的關聯函數為: KOBV=1,OBV為正數;0,其他;-1,OBV為負數 綜上所述,關于股價預測模型特性的分析結果,對于今后股市正常狀態維持,和相關投資主體經濟利益維護,都發揮著較強的支撐引導功效。希望筆者提供的分析內容,能夠為相關工作人員產生適當的解惑功效,避免今后交易事務中衍生任何不必要的沖突狀況。 [1]許曉璇.知情的市場參與者對股價同步性的影響[D].浙江大學,2010. [2]朱正.中國股價與房價動態關系研究[D].湖南大學,2010. [3]趙清露.利率與股價指數相關性研究[D].武漢理工大學,2012.(二)Ito定理的簡單描述
二、改進過后短期股價變化預測模型的相關細節驗證解析
(一)股價波動模型






(二)模型的修改細節



三、結語